变电站环境下多目标多姿态行人语义分割检测

通过跳跃连接方式构建U-Net++深度学习模型,增加二进制交叉标记和骰子系数的组合作为损失函数,然后改进激活函数,并将Res2Net多尺度骨干架构作为特征提取网络,以获得更强的多尺度特征提取能力,进而对变电站环境下多目标多姿态行人进行语义分割检测实验。实验结果表明,对于变电站内行人目标极小、行人密集、行人多姿态非直立、行人多尺度并存等不同情况,所提算法都可准确检测并分割出行人目标,F1-Score指标可达0.978,检测效率可达0.035 s/张,优于其他两种经典方法。

基于网络文本的旅游目的地形象研究——以黄鹤楼为例

选取黄鹤楼景区作为实例,采用网络内容分析法,通过大数据采集器搜集了来自网页、论坛、博客等信息源中的数据,以马蜂窝、携程等旅游网站游客发表的网络游记和在线点评为研究样本,分析研究了游客感知的黄鹤楼景区的形象特征,同时找到目的地宣传形象与游客感知形象的异同并探讨了原因。结果认为:黄鹤楼官方宣传形象与游客感知形象是存在差异的。究其原因,一方面是黄鹤楼对景区合理规划建设的不足,例如周边交通混乱、缺乏指引、景区拥挤,以及现代化太过明显,商业化氛围过于浓厚等,另一方面是互联网时代,景区官方及媒体、网络的过度渲染与宣传,致使与游客的感知形象形成一定差异。综合官方宣传形象与游客感知形象的差异,提出了对黄鹤楼旅游景区的形象提升及景区推广的建议。